2009年，斯坦福大學李飛飛教授的實驗室發(fā)布ImageNet數(shù)據(jù)集，開啟了現(xiàn)代深度學習時代。大多數(shù)情況下，沒有標記的數(shù)據(jù)，就沒有AI算法模型。模型迭代和調(diào)整，則需要更多的數(shù)據(jù)。安全、準確和無偏見的AI系統(tǒng)依賴于大量高質量的訓練數(shù)據(jù)。
由于缺乏成熟的基礎設施，構建機器學習系統(tǒng)具有挑戰(zhàn)性。AI進一步發(fā)展的關鍵瓶頸是數(shù)據(jù)——特別是標記數(shù)據(jù)集。數(shù)據(jù)是支撐AI的基礎，每一項人工智能的進步，都離不開基礎數(shù)據(jù)的支持。
機器學習已然是這個時代最重要的技術變革，它給世界帶來的總體效益將與互聯(lián)網(wǎng)相媲美。也就是說，高質量標簽數(shù)據(jù)的瓶頸限制了人工智能僅能在少數(shù)資金充足的科技公司里發(fā)揮作用。獲取標簽數(shù)據(jù)，是構建機器學習模型中最困難的部分。
標貝科技深度研發(fā)，試圖用人機協(xié)作的方式從語音采集到數(shù)據(jù)標記實現(xiàn)無縫銜接，攻破行業(yè)技術壁壘。標貝構建了一個遍布世界各地約有萬余名合同工的眾包網(wǎng)絡。其核心業(yè)務是為AI及大數(shù)據(jù)領域公司提供數(shù)據(jù)采集、標注等定制化數(shù)據(jù)解決方案，服務領域涵蓋圖像、語音、文本、視頻四個方面。
數(shù)據(jù)采集方面，可根據(jù)定制化需求，對各類規(guī)定文本、指定圖片，各種環(huán)境下的語音、視頻進行采集；采集過程中可實現(xiàn)對其內(nèi)容的篩選、文本化等相關任務?？沙休d千萬級別以上樣本的收集，單日完成10萬+樣本采集。
數(shù)據(jù)標注方面，通過對圖像、文本、音頻、視頻等信息進行搜集、評估、歸類，最終完成標注；標注過程中可實現(xiàn)對內(nèi)容進行關鍵詞等內(nèi)容的提取、清洗、脫敏、校驗等相關任務。
標貝科技旗下全新的人工智能數(shù)據(jù)眾包平臺——數(shù)據(jù)工場，正在以專業(yè)、高效、安全等優(yōu)勢，助力全球人工智能企業(yè)的研究和進步。數(shù)據(jù)工場的數(shù)據(jù)服務全球客戶，數(shù)據(jù)類型覆蓋全行業(yè)，自有數(shù)據(jù)集和定制化數(shù)據(jù)服務能夠滿足不同行業(yè)、多類型的數(shù)據(jù)需求。標貝數(shù)據(jù)服務深耕行業(yè)多年，目前，BAT、網(wǎng)易、滴滴、京東、小米、喜馬拉雅和搜狗等知名企業(yè)的機器學習團隊陸續(xù)在使用該平臺完成數(shù)據(jù)相關需求。
數(shù)據(jù)工場首次將數(shù)據(jù)格式算法融入其中，通過操作平臺嚴格控制前端采集格式，大幅度提升了數(shù)據(jù)的高質量和準確性，確保數(shù)據(jù)在采集和上傳的過程中無任何壓縮問題。全新的品牌視覺設計融入了多類型數(shù)據(jù)元素，卡片式交互使產(chǎn)品全方位提升用戶體驗。
產(chǎn)品特色：
- 多類型任務隨心領取、關鍵標簽一覽無遺；
- 直擊任務核心信息、一鍵領取開始采集；
- 卡片交互易操作、采集上傳高效率。
數(shù)據(jù)工場產(chǎn)品負責人張亞偉表示：“反復雕琢產(chǎn)品的每一處細節(jié)，精益求精”。
數(shù)據(jù)工場以全新的品牌視覺、順暢的操作體驗和強大的算法能力問世。作為AI數(shù)據(jù)服務行業(yè)的引領者，標貝一直秉承“數(shù)據(jù)服務技術，技術服務生活”的使命，為促進語音行業(yè)發(fā)展、學術交流、合作伙伴，標貝提供多種類、大規(guī)模、高質量的數(shù)據(jù)服務。
各大應用市場搜索“數(shù)據(jù)工場”或掃描下方“二維碼”先人一步體驗服務。
